선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 측정된 영상에서 획득하고자 하는 자료가 객관적으로 도출된다면 초음파 영상의 사용이 쉬워질 것이며, 환자들에 대한 교육뿐만 아니라, 자료에 대한 환자들의 이해도를 높일 수 있을 것이다. 본 논문에서는 재활 분야의 초음파 영상 분석을 자동화하여 객관적인 자료를 도출하기 위한 방법으로 근육의 길이, 두께, 직경, 단면적의 크기, 부피, 배열각 등을 포함한 근육의 구조와 변화 양상뿐만 아니라 근수축시 다른 구조물들에 미치는 영향, 조직의 움직임과 변형, 근조직의 조밀도 등의 자료를 분석[3,4]하기 위한 전단계로서 복횡근 근육 영역을 분석하고 추출하는 방법을 제안한다.
- 본 논문에서는 재활 분야의 초음파 영상 진단을 자동화하기 위해서 복부 초음파 영상에 존재하는 근육 영역을 자동으로 추출하는 방법을 제안하였다. 제안된 방법에서는 초기 초음파 영상에 존재하는 잡음을 제거하고 근막과 근육의 명암 대비를 강조하였다.
제안 방법
- 본 논문에서는 희미한 근막에 의해서 분리 추출된 근막 영역의 상대 길이가 보통 20~30 픽셀인 것을 감안하여 마스크의 이동을 35번으로 제한하였으며, 마스크가 이동한 픽셀의 명암도 값을 증가시켜 희미한 근막을 강조한다. 강조된 근막의 정보를 스트레칭 영상에 저장하고 이진화 과정부터의 순서를 반복 수행하여 최종적인 복횡근 근육 영역을 추출한다. 그림 11은 마스크의 이동으로 근막 영역이 강조된 스트레칭 영상이다.
- 이 경우에는 그림 13의 (a)와 같이 근막의 정보가 손실되는 경우가 발생하였다. 그러나 제안된 이진화 방법은 초음파 영상에서 가로 방향으로 나타나는 근막과 근육 영역의 두 경계를 기준으로 위, 아래 명암도 값의 차이가 크다는 특징을 이용하여 수직 직선 형태로 각각 이진화 하였다. 그 결과, 그림 13의 (b)와 같이 잡음이 효과적으로 제거되었고 근막의 손실이 적었다.
- 전처리 과정을 통해 얻어진 영상을 제안된 이진화 방법을 적용하여 근막을 추출하고, 추출된 근막에 Up_Down 탐색 기법을 적용하여 초기 근육 영역을 추출한다. 기존의 근육 추출 방법에서 희미해진 근막으로 인해 근육 영역의 형태가 정확하지 않았던 단점을 개선하기 위해 근막의 형태 정보와 방향 정보를 기반으로 하는 마스크 연산을 반복적으로 실행하여 희미해진 근막의 형태를 강조하고, 최종적으로 근육 영역을 추출한다.
- 기존의 방법에서 적용한 반복 이진화 방법은 정확한 기준이 없이 전체 영상의 명암도의 차이를 이용하여 임계값을 설정한 후에 이진화를 수행하였다. 이 경우에는 그림 13의 (a)와 같이 근막의 정보가 손실되는 경우가 발생하였다.
- 본 논문에서는 절단된 형태로 추출된 초기 근막 영역의 형태 정보와 방향 정보를 적용하여 마스크 연산을 수행하였다. 그 결과, 기존의 방법에서 추출에 실패한 복횡근 근육 영역을 추출하여, 자동 분석의 정확성이 개선된 것을 확인하였다.
- 기본 정보와 근막의 형태 정보가 합산된 마스크에 진행 방향과 근육의 형태가 수치화된 방향 정보를 추가 합산하여 가장 높은 값을 가지는 위치로 마스크의 중심을 이동시킨다. 본 논문에서는 희미한 근막에 의해서 분리 추출된 근막 영역의 상대 길이가 보통 20~30 픽셀인 것을 감안하여 마스크의 이동을 35번으로 제한하였으며, 마스크가 이동한 픽셀의 명암도 값을 증가시켜 희미한 근막을 강조한다. 강조된 근막의 정보를 스트레칭 영상에 저장하고 이진화 과정부터의 순서를 반복 수행하여 최종적인 복횡근 근육 영역을 추출한다.
- 부정확한 초기 근육 영역을 기준으로 정확한 근육의 전체 영역을 추출하기 위해 본 논문에서는 근막의 형태 정보와 방향 정보를 적용한다. 근육의 형태 정보는 그림 8(a)와 같이 초기 근육 영역의 형태를 기반으로 그림 8(b)와 같이 손실된 근막의 형태를 추론하고, 그림 8 (d)와 같이 희미한 근막의 형태를 가상의 선으로 나타낸다.
- 근육 영역 추출을 위해 초기 획득한 초음파 영상의 불필요한 잡음을 제거하고, Ends-in Search 알고리즘을 적용하여 근막과 근육 영역의 명암도 분포를 보정한다. 전처리 과정을 통해 얻어진 영상을 제안된 이진화 방법을 적용하여 근막을 추출하고, 추출된 근막에 Up_Down 탐색 기법을 적용하여 초기 근육 영역을 추출한다. 기존의 근육 추출 방법에서 희미해진 근막으로 인해 근육 영역의 형태가 정확하지 않았던 단점을 개선하기 위해 근막의 형태 정보와 방향 정보를 기반으로 하는 마스크 연산을 반복적으로 실행하여 희미해진 근막의 형태를 강조하고, 최종적으로 근육 영역을 추출한다.
- 전처리된 영상에서 밝은 명암도 분포로 나타나는 근막 영역을 추출하기 위해 영상을 이진화한다. 복부 초음파 영상에서 나타나는 대부분의 근막 영역과 근육 영역은 가로 방향으로 늘어선 형태이다.
- 복부 초음파 영상은 밝은 명암도로 분포한 근막 영역과 비교적 어두운 명암도로 분포한 근육 영역으로 구성되며, 영상 촬영을 보조하기 위한 눈금과 영상 정보 등이 추가되어 있다[5]. 추가된 정보는 전문의가 육안으로 진단하기 위해서 필요한 요소이지만, 자동화 과정에서는 부정확한 결과의 원인이 되므로 본 논문에서는 잡음으로 간주한다. 영상에 존재하는 눈금의 경우에는 근육의 정보를 추출하기 위해 필요한 수치임으로 눈금에 대한 픽셀의 비율을 구한 후 제거한다.
- 전처리된 영상의 수직선을 개별적으로 평균 이진화하고 Up_Down 탐색 기법을 적용하여 초기 근육 영역을 추출하였다. 추출된 초기 근육 영역의 형태 정보와 방향 정보를 적용하는 마스크 연산을 수행하여 최종적으로 복횡근 근육 영역을 추출하였다.
대상 데이터
- 본 논문에서 제안된 방법을 인텔® 코어™ i5-2410M과 4.00GB RAM이 장착된 IBM 호환 PC상에서 Visual Studio 2005로 구현하여 실험하였으며, 실험을 위해 640×480 크기의 Convex 형태의 초음파 영상을 이용하였으며, 일반인 4명을 대상으로 허리 부위 50장과 기존의 방법에서 분석에 적용되었던 39장을 포함한 총 89장의 복부 초음파 영상을 대상으로 실험하였다.
- 제안된 방법을 실험하기 위해서 복부를 대상으로 촬영한 640×480 크기의 초음파 영상을 이용한다.
이론/모형
- 제안된 방법을 실험하기 위해서 복부를 대상으로 촬영한 640×480 크기의 초음파 영상을 이용한다. 근육 영역 추출을 위해 초기 획득한 초음파 영상의 불필요한 잡음을 제거하고, Ends-in Search 알고리즘을 적용하여 근막과 근육 영역의 명암도 분포를 보정한다. 전처리 과정을 통해 얻어진 영상을 제안된 이진화 방법을 적용하여 근막을 추출하고, 추출된 근막에 Up_Down 탐색 기법을 적용하여 초기 근육 영역을 추출한다.
- 이진화 과정에서 추출된 잡음과 근막 영역을 8 방향 윤곽선 추적 알고리즘[7,8]을 적용하여 라벨링하며, 라벨링된 객체의 크기가 영상의 총 면적의 15%보다 작을 경우에는 잡음으로 간주하여 제거한다. 잡음은 그림 5의 (a)와 같이 밝은 명암도 값을 가지거나, 그림 5의 (b)와 같이 어두운 명암도를 가지게 된다.
- 잡음이 제거된 영상에서 초기 근육 영역을 추출하기 위해서 Up_Down 탐색 기법을 적용한다. Up_Down 탐색 기법은 그림 6의 (a)와 같이 잡음이 제거된 이진화 영상에 존재하는 모든 객체의 경계선을 이용하며, 각 객체의 위 방향과 아래 방향으로 다른 객체의 경계선을 만날 때까지 탐색하고, 두 방향의 탐색 결과에서 겹쳐지는 부분을 초기 근육 영역의 후보 객체로 설정한다.
- 제안된 방법에서는 초기 초음파 영상에 존재하는 잡음을 제거하고 근막과 근육의 명암 대비를 강조하였다. 전처리된 영상의 수직선을 개별적으로 평균 이진화하고 Up_Down 탐색 기법을 적용하여 초기 근육 영역을 추출하였다. 추출된 초기 근육 영역의 형태 정보와 방향 정보를 적용하는 마스크 연산을 수행하여 최종적으로 복횡근 근육 영역을 추출하였다.
성능/효과
- 본 논문에서는 절단된 형태로 추출된 초기 근막 영역의 형태 정보와 방향 정보를 적용하여 마스크 연산을 수행하였다. 그 결과, 기존의 방법에서 추출에 실패한 복횡근 근육 영역을 추출하여, 자동 분석의 정확성이 개선된 것을 확인하였다.
- 그 결과, 그림 13의 (b)와 같이 잡음이 효과적으로 제거되었고 근막의 손실이 적었다. 반복이진화와 제안된 이진화의 결과 영상에서 초기 추출된 근막의 형태가 기존의 방법에 비해 정확하여 초기 근육 영역 탐색에 효과적인 것을 확인할 수 있다.
- 일반인 4명을 대상으로 허리 부위 50장과 기존의 방법에서 분석에 적용되었던 39장을 포함한 총 89장의 복부 초음파 영상을 대상으로 실험한 결과, 기존의 방법을 적용하여 추출한 복횡근 근육 영역에 비해 정확성이 개선되었으며, 초음파 영상 진단의 자동화를 위한 방법으로 효과적인 것을 확인하였다. 제안된 방법을 적용하여 추출한 최하위층인 복횡근 근육 영역은 나머지 근육 층의 탐색을 위해서 필요하다.
- 본 논문에서는 재활 분야의 초음파 영상 진단을 자동화하기 위해서 복부 초음파 영상에 존재하는 근육 영역을 자동으로 추출하는 방법을 제안하였다. 제안된 방법에서는 초기 초음파 영상에 존재하는 잡음을 제거하고 근막과 근육의 명암 대비를 강조하였다. 전처리된 영상의 수직선을 개별적으로 평균 이진화하고 Up_Down 탐색 기법을 적용하여 초기 근육 영역을 추출하였다.
후속연구
- 재활 분야의 초음파 영상은 환자의 진단 및 치료에 다양하게 활용되어 유용한 정보를 얻을 수 있는 장점이 있지만, 영상에서 얻어지는 결과들이 사용자의 숙달 정도에 따라 달라지며, 결과들에 대한 해석이 주관적인 경향이 있어 보편화 되어있지 않은 것이 현실이다[1]. 따라서 측정된 영상에서 획득하고자 하는 자료가 객관적으로 도출된다면 초음파 영상의 사용이 쉬워질 것이며, 환자들에 대한 교육뿐만 아니라, 자료에 대한 환자들의 이해도를 높일 수 있을 것이다. 본 논문에서는 재활 분야의 초음파 영상 분석을 자동화하여 객관적인 자료를 도출하기 위한 방법으로 근육의 길이, 두께, 직경, 단면적의 크기, 부피, 배열각 등을 포함한 근육의 구조와 변화 양상뿐만 아니라 근수축시 다른 구조물들에 미치는 영향, 조직의 움직임과 변형, 근조직의 조밀도 등의 자료를 분석[3,4]하기 위한 전단계로서 복횡근 근육 영역을 분석하고 추출하는 방법을 제안한다.
- 제안된 방법을 적용하여 추출한 최하위층인 복횡근 근육 영역은 나머지 근육 층의 탐색을 위해서 필요하다. 따라서 향후 연구 과제로는 본 논문에서 제안된 방법을 적용하여 추출한 최하위층인 복횡근 근육 영역을 기준으로 나머지 근육 영역인 내복사근과 외복사근을 탐색하기 위한 방법을 연구할 것이다.
- 일반인 4명을 대상으로 허리 부위 50장과 기존의 방법에서 분석에 적용되었던 39장을 포함한 총 89장의 복부 초음파 영상을 대상으로 실험한 결과, 기존의 방법을 적용하여 추출한 복횡근 근육 영역에 비해 정확성이 개선되었으며, 초음파 영상 진단의 자동화를 위한 방법으로 효과적인 것을 확인하였다. 제안된 방법을 적용하여 추출한 최하위층인 복횡근 근육 영역은 나머지 근육 층의 탐색을 위해서 필요하다. 따라서 향후 연구 과제로는 본 논문에서 제안된 방법을 적용하여 추출한 최하위층인 복횡근 근육 영역을 기준으로 나머지 근육 영역인 내복사근과 외복사근을 탐색하기 위한 방법을 연구할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.